抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
マルチモーダルニューラルマシン翻訳(NMT)は,画像データのような付加的モダリティがテキストデータにより多くのコンテキストを提供できるので,長年にわたる研究のますます重要な分野になった。さらに,大規模並列コーパスのない訓練マルチモーダルNMTモデルの実行可能性は,特に英語-日本語データに対して,画像との並列文章の低いアベイラビリティのために調査され続けている。しかし,このボイドは,ソーシャルネットワークポストとeコマース製品記述のようなメディアを通して自然に生成されるバイリンガル用語と並列フレーズを含む同等の文章で満たされる。本論文では,既存の画像キャプテーションデータセットからコンパイルされた比較可能な文章を持つ新しいマルチモーダル英語コーパスを提案する。さらに,検証と試験目的のために,より小さな並列コーパスと同等な文章を補完した。この比較可能な文章翻訳シナリオの性能を試験するために,いくつかのベースラインNMTモデルを著者らの比較コーパスで訓練し,それらの英語-日本語翻訳性能を評価する。著者らのベースライン実験での低い翻訳スコアにより,現在のマルチモーダルNMTモデルは,比較可能な文章データを効果的に利用するために設計されないと信じる。これにもかかわらず,著者らのコーパスは,同程度の文章を有するマルチモーダルNMTの更なる研究に使用されることを期待する。【JST・京大機械翻訳】